统计学(2014-ch10~ch12)(2016.11)素材.pptx

第10章;参数统计：总体分布已知或对分布作出某种假定为前提。 非参数统计：对总体分布的具体形式不必做任何限制性假定和不以总体参数具体数值估计为目的的推断统计。这种统计主要用于对某种判断或假设进行检验。;（1）非参数统计方法既能适用于定名测定数据(满意与不满意; 好与坏)或定序测定数据(如商品等级，ABCD…等级)。→定量分析研究; 检验; 检验在非参数统计中有广泛的用途，因为： （1）有很多非参数的假设检验问题都可以转化为检验观察次数与其期望次数之间的紧密程度问题，这里的检验统计量并不依赖于总体的分布形式，而是作为检验总体分布是否为某种特定的概率分布的一种方法； （2）用这种方法搜集的数据，可以是间距测定数据，也可是定名测定数据。 检验主要用于拟合优度检验和独立性检验。;2. 拟合优度检验;（3）按照“原假设为真”这一假定，汇出一组期望频数或者理论频数。通常这就是假定某概率分布适合于所研究的总体。;3. 独立性检验;成对比较检验;符号检验的缺点在于：;2. 威尔科克森带符号的等级检验;返回本章;曼—惠特尼U检验;曼—惠特尼U检验的步骤为：;游程检验;2. 游程检验的基本原理和方法;等级相关检验;等级相关系数的计算公式;2. 等级相关检验的应用;多个样本的检验;克鲁斯卡尔—沃利斯单向方差秩检验步骤;2. 费利德曼双向方差分析;费利德曼双向方差分析方法双向表形式;费利德曼检验步骤;第11章; 相关分析;（2）相关关系的分类;（2）相关关系的分类;④按研究变量的多少可分为单相关、偏向关和复相关三种 两个变量之间的相关称为单相关 一个变量与两个或两个以上其他变量之间的相关称为复相关 在多个变量的相关研究中，假定其他变量不变，专门研究其中两个变量之间的相关关系，称为偏相关;2. 相关关系的识别;31;相关系数的计算公式：;相关系数的特点：;相关系数的检验：;一元线性回归分析;回归分析和相关关系的区别与联系：;（2）回归分析的种类;2. 一元线性回归模型的建立;（2）参数估计;线性回归模型参数的估计方法通常有两种：普通最小二乘法和最大似然估计法。最常用的是普通最小二乘法。;3. 一元线性回归模型的检验;可决系数是衡量自变量对因变量变动的解释程度的指标，它取决于回归方程所解释的 y 的总离差的百分比。可决系数的公式定义为：;B. 估计标准误差（SE）;（二）显著性检验;提出假设（双侧检验）：;2. 方程整体的检验——F检验;一元线性回归方差分析表;3. P值检验;D-W值在0~4之間;4. 用一元线性回归模型进行估计;估计特定的因变量;多元线性回归分析;估计参数采用最小二乘法，可以通过解如下联立方程得出：;估计标准误 越小，说明估计值越接近真实值。;（3）德宾—沃森统计量（D-W）检验;3. 用多元线性回归模型进行估计;4. 复相关系数与偏相关系数;（2）偏相关系数;非线性回归分析;3. 一些常见的函数;应用回归预测时应注意的问题;第12章时间序列分析和预测;（1）时间序列的基本概念： 时间序列是社会经济指标按时间顺序排列而成的一种数列。它反映社会经济现象发展变化的过程和特点，是研究现象发展变化趋势、规律和对未来状态进行预测的重要依据。;2．时间序列的因素分解;（3）周期变动因素 周期变动因素（C）也称循环变动因素，它是受各种经济因素影响形成的上下起伏不定的波动。 季节变动和周期变动的区别在于季节变动的波动长度固定，而周期变动的长度则一般是不一样的。;3．时间序列的分解模型;4.时间序列的分解方法;（2）长期趋势 T 的计算 可以用回归模型来描述，做散点图，选择适合的趋势模型拟合序列的长期趋势，得到长期趋势 T 。;5．用时间序列分解法进行预测;1．趋势外推法;（一）多项式曲线模型 一次（线性）预测模型： 二次（二次抛物线）预测模型： 三次（三次抛物线）预测模型： n次（n次抛物线）预测模型： ;（二）指数曲线模型： ;（4）生长曲线模型：;（一）图形识别法： ;（二）差分法;一次（线性）模型差分计算表;二次（抛物线）模型差分计算表;指数曲线模型差分计算表;修正指数曲线模型差分计算表;四．用趋势外推法进行预测;（2）指数曲线模型的趋势外推预测法 ;（3）修正的指数曲线模型的趋势外推预测;（4）龚珀兹曲线模型的趋势外推预测法;④式中的t代表时序的顺序，取;（5）皮尔曲线模型趋势外推预测法 ;1．时间序列的自相关性;第13章; 统计决策的一般问题;不确定情况下的决策需要具备以下几个条件： ;确定型决策： ;2. 决策的作用和步骤;③计算全部损益值 ;⑨用后验概率和各种行动中的损益值，计算期望损益值，据以评价各种行动的可能结果;决策的公理有两